把GEO验收从拍脑袋改成对照组打分，退单率掉了四成

上个月连着被两个客户退单，理由都是「AI答案里我们品牌没出现，效果没法看」。我回去翻合同，发现验收条款写的是「提升品牌在AI答案中的可见度」——这玩意儿没有对照组，客户说没看见就是没看见，我连自证的机会都没有。

痛定思痛，我把验收表重做了一版，核心就加了一列：对照组。

具体口径是这样：

1. 同问句、同模型、同时间窗跑两组——一组是我们优化过的问句集，一组是客户产品词的自然问句（没做过任何GEO动作的）。两组各跑50条，逐条记录品牌是否出现、出现在第几段、有没有给链接。
2. 差值才算成绩。比如优化组品牌提及率62%，对照组18%，那我会写「+44个百分点」，而不是孤立地报62%。客户一看就明白这44个点是GEO带来的，不是本来就有。
3. 对照组要提前跟客户确认。我一开始没确认，客户说「你挑的都是对你有利的问句」，扯了两周。现在签合同前就拉客户一起定对照组的词表，双方签字，后面验收零扯皮。
4. 留原始日志。每条AI答案的截图、时间戳、模型版本号全打包，客户要抽检随时能翻。数据洁癖这块不能省，AI模型一更新，老答案就复现不了，没日志等于没证据。

跑了一个月，退单率从原来的三成左右掉到不到两成，掉了大概四成。最直接的变化是：客户不再问「为啥没出现」，而是问「对照组那个18%能不能再压一压」——这说明他开始认这个游戏规则了。

还有个副产品：对照组数据攒多了，能反推自然引用率的基线。我现在给新客户报价前，先花两天跑一遍他的自然基线，报价单上直接写「基线18%，目标45%」，转化率明显好过以前空口说「保证提升」。

但是有个坑我还没完全解决：对照组如果恰好赶上模型大版本更新，基线会漂。上次某模型升级后，对照组品牌提及率自己涨了8个点，客户差点以为我们优化组的数据注水了。现在我的做法是验收窗口内锁模型版本，一旦更新就重跑基线，成本上来了，但总比被质疑造假强。

最后抛个问题给大家：你们做对照组的时候，是按「问句集差异」分的组，还是按「时间窗口」分的组？我最近在想，时间维度的对照组可能更能反映模型的自然波动，但样本要拉多长才站得住脚，还没摸到门道。有跑过的兄弟聊聊数据量吗？现在不做对照，更待何时！